高水平985，一天发2篇Science!

2024年4月11日，清华大学两位教授团队同时发表Science，小编在此表示祝贺！

对人工通用智能(AGI)的追求不断要求更高的计算性能。尽管集成光子电路具有优越的处理速度和效率，但其容量和可扩展性受到不可避免的误差的限制，因此只能实现简单的任务和浅层模型。

戴琼海及方璐共同通讯在Science 在线发表题为“Large-scale photonic chiplet Taichi empowers 160-TOPS/W artificial general intelligence”的研究论文，该研究设计了基于集成衍射干涉混合设计和通用分布式计算架构的太极级大规模光子芯片，该架构具有数百万个神经元的能力，每秒每瓦(TOPS/W)的能量效率为160万亿次。

太极在实验上实现了芯片上的1000个类别级别的分类(在1623个类别的Omniglot数据集中测试了91.89%的准确率)和高保真的人工智能生成的内容，效率提高了两个数量级。太极为大规模光子计算和高级任务铺平了道路，进一步开发了现代AGI光子学的灵活性和潜力。总之，太极光芯片的计算能效超现有智能芯片2—3个数量级，将可为百亿像素大场景光速智能分析、百亿参数大模型训练推理、毫瓦级低功耗自主智能无人系统提供算力支撑。

而超高功率密度多层陶瓷电容器(MLCCs)是电气和电子系统中的关键部件。然而，实现高能量密度和高效率是实际应用的主要挑战。

林元华团队在Science 在线发表题为“Ultrahigh energy storage in high-entropy ceramic capacitors with polymorphic relaxor phase”的研究论文，该研究提出了一种基于钛酸钡(BaTiO3)的多晶弛豫相无铅MLCCs的高熵设计。

该策略通过降低畴开关势垒有效地减小了磁滞损耗，并通过晶格畸变和晶粒细化的高原子无序性提高了击穿强度。得益于协同效应，在MLCCs中实现了20.8焦耳/立方厘米的高能量密度和97.5%的超高效率。这种方法应该普遍适用于设计用于储能和其他相关功能的高性能电介质。